CN111710000B - 一种相机行偏差自检方法及系统 - Google Patents
一种相机行偏差自检方法及系统 Download PDFInfo
- Publication number
- CN111710000B CN111710000B CN202010450337.8A CN202010450337A CN111710000B CN 111710000 B CN111710000 B CN 111710000B CN 202010450337 A CN202010450337 A CN 202010450337A CN 111710000 B CN111710000 B CN 111710000B
- Authority
- CN
- China
- Prior art keywords
- preset
- speckle
- speckle pattern
- camera
- deviation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例提供一种相机行偏差自检方法及系统。该方法包括：获取深度相机的散斑图和所述散斑图对应的深度图；对所述散斑图进行过滤，得到预设散斑灰度范围区间，基于所述预设散斑灰度范围区间得到过滤后的散斑图；对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域；基于所述预设高对比度区域计算所述深度图的空洞率；判定所述空洞率与若干预设判断区间的对应关系，得到相机行偏差判定结果。本发明实施例提出的相机行偏差自检方法，以相对简易的步骤在保证相机行偏差自检准确性的同时，确保过程的执行效率，给出行偏差提示及判断，从而及时对相机进行行偏差校准，增加相机的可靠性，能够很好的提升用户的相机使用体验。
Description
技术领域
本发明涉及相机标定技术领域，尤其涉及一种相机行偏差自检方法及系统。
背景技术
随着深度相机的发展和兴起，三维信息被应用到安防、娱乐等领域。获取准确、完整的三维信息除去深度恢复算法的影响，最重要的一个条件就是相机标定参数准确、精度高。但是相机由于自身结构的原因或者是使用老化等可靠性问题，会使深度相机(如结构光相机)的镜头和投射器之间的位置发生改变，当变化严重时会严重影响三维信息的输出质量，便需要重新对相机进行标定。因此存在一个问题：如何判断是否需要重新标定？深度相机多应用于自动化生产，从使用方考虑，更多的是希望相机能够进行自动检测判断、标定，最后恢复三维信息的输出质量。
相机的行偏差检测是指测试影像和参考影像中匹配点对的行偏差检测过程。基于结构光的深度恢复方法通常是利用结构光相机拍摄一面距离已知的墙面的散斑图作为参考图，然后再拍摄被测物体的散斑图，当相机无行偏差现象时，被测物体的散斑图上的某一点A可以在参考影像上与点A等高的一行像素中找到匹配点，所以只要在参考影像上进行一维方向上的搜索便能完成测试图的匹配，再根据三角测量原理计算得到被测物体的深度值，从而恢复被测物体的三维信息。但是，当相机存在行偏差时，被测物体散斑图和参考图上的匹配点对将不再满足等高的关系，导致被测物体散斑图上的点无法在参考散斑图上找到匹配点，从而无法恢复被测物体的深度值，这样将导致深度相机无法正常工作。
发明内容
本发明实施例提供一种相机行偏差自检方法及系统，用以解决现有技术中无法有效而准确地检测出相机存在的行偏差。
第一方面，本发明实施例提供一种相机行偏差自检方法，包括：
获取深度相机的散斑图和所述散斑图对应的深度图；
对所述散斑图进行过滤，得到预设散斑灰度范围区间，基于所述预设散斑灰度范围区间得到过滤后的散斑图；
对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域；
基于所述预设高对比度区域计算所述深度图的空洞率；
判定所述空洞率与若干预设判断区间的对应关系，得到相机行偏差判定结果。
进一步地，所述对所述散斑图进行过滤，得到预设散斑灰度范围区间，基于所述预设散斑灰度范围区间得到过滤后的散斑图，具体包括：
获取散斑亮度和相机拍摄距离的线性函数；
由所述线性函数推导得出最远距离散斑灰度值和最近距离散斑灰度值，由所述最远距离散斑灰度值和所述最近距离散斑灰度值得到所述预设散斑灰度范围区间；
基于所述预设散斑灰度范围区间对所述散斑图进行过滤，得到所述过滤后的散斑图。
进一步地，所述对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域，具体包括：
设置预设二维小窗口，所述预设二维小窗口大于所述散斑图中相邻散斑距离；
从测试散斑图左上角开始逐行遍历像素，以任一点当前像素位置为中心点，计算所述预设二维小窗口内的像素灰度平均值和像素灰度标准差；
基于所述像素灰度平均值和所述像素灰度标准差，得到任一点当前像素位置的局部对比度归一化值，待完成所述测试散斑图的遍历计算，得到与所述测试散斑图大小相等的局部对比度归一化图；
求取所述局部对比度归一化图的局部对比度归一化平均值，遍历所述局部对比度归一化图，将大于所述局部对比度归一化平均值对应的任一点当前像素位置判定为所述预设高对比度区域。
进一步地，所述对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域，之后还包括：
创建与所述测试散斑图大小相等的赋值矩阵，将所述赋值矩阵中对应于所述预设高对比度区域的对应位置赋值为1，其余位置赋值为0。
进一步地，所述基于所述预设高对比度区域计算所述深度图的空洞率，具体包括：
统计所述赋值矩阵中为1的第一单元个数；
遍历所述赋值矩阵，统计单元值为1且所述深度图对应位置单元值为0的第二单元个数；
由所述第二单元个数和所述第一单元个数的比值得到所述空洞率。
进一步地，所述判定所述空洞率与若干预设判断区间的对应关系，得到相机行偏差判定结果，具体包括：
当所述空洞率满足第一预设判断区间时，行偏差满足第一偏差判定结果；
当所述空洞率满足第二预设判断区间时，行偏差满足第二偏差判定结果；
当所述空洞率满足第三预设判断区间时，行偏差满足第三偏差判定结果。
第二方面，本发明实施例提供一种相机行偏差自检系统，包括：
获取模块，用于获取深度相机的散斑图和所述散斑图对应的深度图；
过滤模块，用于对所述散斑图进行过滤，得到预设散斑灰度范围区间，基于所述预设散斑灰度范围区间得到过滤后的散斑图；
归一化模块，用于对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域；
计算模块，用于基于所述预设高对比度区域计算所述深度图的空洞率；
判定模块，用于判定所述空洞率与若干预设判断区间的对应关系，得到相机行偏差判定结果。
进一步地，所述过滤模块包括：
获取子模块，用于获取散斑亮度和相机拍摄距离的线性函数；
推导子模块，用于由所述线性函数推导得出最远距离散斑灰度值和最近距离散斑灰度值，由所述最远距离散斑灰度值和所述最近距离散斑灰度值得到所述预设散斑灰度范围区间；
过滤子模块，用于基于所述预设散斑灰度范围区间对所述散斑图进行过滤，得到所述过滤后的散斑图。
第三方面，本发明实施例提供一种电子设备，包括：
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所述相机行偏差自检方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一项所述相机行偏差自检方法的步骤。
本发明实施例提供的相机行偏差自检方法及系统，通过提出的相机行偏差自检方法，以相对简易的步骤在保证相机行偏差自检准确性的同时，确保过程的执行效率，给出行偏差提示及判断，从而及时对相机进行行偏差校准，增加相机的可靠性，能够很好的提升用户的相机使用体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种相机行偏差自检方法流程图；
图2为本发明实施例提供的一种相机行偏差自检系统结构图；
图3为本发明实施例提供的电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了便于清楚描述本发明实施例的技术方案，在本发明的各实施例中，若采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分，本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定。
针对现有技术中存在的问题，为了能及时发现因相机结构松动等原因使测试影响与参考影像存在行偏差问题，本发明实施例提出一种针对结构光相机的行偏差自检方法。
图1为本发明实施例提供的一种相机行偏差自检方法流程图，如图1所示，包括：
S1，获取深度相机的散斑图和所述散斑图对应的深度图；
S2，对所述散斑图进行过滤，得到预设散斑灰度范围区间，基于所述预设散斑灰度范围区间得到过滤后的散斑图；
S3，对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域；
S4，基于所述预设高对比度区域计算所述深度图的空洞率；
S5，判定所述空洞率与若干预设判断区间的对应关系，得到相机行偏差判定结果。
具体地，获取深度相机，如结构光相机的散斑图和对应的深度图，对其中的散斑图进行过暗以及过亮散斑的过滤，在过滤后的预设散斑灰度范围区间得到过滤完成后的散斑图，然后对过滤后的散斑图进行局部对比度归一化(LCN，Local ContrastNormalization)，得到散斑图的预设高对比度区域，比对该预设高对比度区域，得到深度图的空洞率，最后由得到的空洞率与多个预设判断区间的对应关系，可得到相机行偏差判定结果，即行偏差的大小。
本发明通过提出的相机行偏差自检方法，以相对简易的步骤在保证相机行偏差自检准确性的同时，确保过程的执行效率，给出行偏差提示及判断，从而及时对相机进行行偏差校准，增加相机的可靠性，能够很好的提升用户的相机使用体验。
基于上述实施例，该方法中步骤S2具体包括：
获取散斑亮度和相机拍摄距离的线性函数；
由所述线性函数推导得出最远距离散斑灰度值和最近距离散斑灰度值，由所述最远距离散斑灰度值和所述最近距离散斑灰度值得到所述预设散斑灰度范围区间；
基于所述预设散斑灰度范围区间对所述散斑图进行过滤，得到所述过滤后的散斑图。
具体地，在对散斑图进行过滤之前，获取散斑亮度和相机拍摄距离的线性函数。一般地，在近处拍摄的散斑图，其散斑的灰度值往往大于在远处拍摄散斑图的散斑灰度值，根据散斑图中的散斑灰度值会随着相机拍摄距离的远近而发生改变的现象，过滤非相机工作距离范围内的散斑。将散斑亮度和相机拍摄距离的关系近似成如下公式(1)所示的线性函数关系式：
I＝I0-kd (1)
式中，I为拍摄距离为d时的散斑灰度值，I0为初始散斑灰度值，k为散斑灰度值改变系数。根据公式(1)推算出深度相机工作范围内散斑的灰度，对散斑图进行如公式(2)所示的过滤：
式中，I为散斑图各单元的灰度值，ILOW为相机工作范围内最远距离的散斑灰度值，IHIGH为相机工作范围内最近距离的散斑灰度值。
此处，[ILOW，IHIGH]即为预设散斑灰度范围区间，将落在此区间范围内的散斑图进行提取，即得到过滤后的散斑图。
基于上述任一实施例，该方法中步骤S3具体包括：
设置预设二维小窗口，所述预设二维小窗口大于所述散斑图中相邻散斑距离；
从测试散斑图左上角开始逐行遍历像素，以任一点当前像素位置为中心点，计算所述预设二维小窗口内的像素灰度平均值和像素灰度标准差；
基于所述像素灰度平均值和所述像素灰度标准差，得到任一点当前像素位置的局部对比度归一化值，待完成所述测试散斑图的遍历计算，得到与所述测试散斑图大小相等的局部对比度归一化图；
求取所述局部对比度归一化图的局部对比度归一化平均值，遍历所述局部对比度归一化图，将大于所述局部对比度归一化平均值对应的任一点当前像素位置判定为所述预设高对比度区域。
其中，所述对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域，之后还包括：
创建与所述测试散斑图大小相等的赋值矩阵，将所述赋值矩阵中对应于所述预设高对比度区域的对应位置赋值为1，其余位置赋值为0。
具体地，对过滤后的散斑图进行LCN处理，获取散斑图中工作距离范围内的对比度高的区域，LCN可以在一个预先设置的小窗口内保证对比度被归一化，使图像的边缘和棱角更加突出，这样就能找到清晰散斑的位置，而测试影像上清晰的散斑与参考图上的散斑进行匹配，往往能恢复出效果良好的深度值。
首先设置局部归一化的二维小窗口，该窗口的大小通常大于散斑图上相邻散斑的距离；
然后从测试散斑图左上角(0,0)的位置开始逐行遍历像素，以当前像素位置为中点，计算二维小窗口内像素灰度的平均值μ和标准差σ，分别由公式(3)和(4)计算得到：
式中，N代表小窗口内总像素个数，Ii为测试散斑图第i个像素的灰度值。
通过计算得到的小窗口内的平均值和标准差，以公式(5)的形式得到测试影像的当前像素位置的LCN值：
式中μ为像素I方形邻域内的像素平均值，σ为标准差，K为一个常量值，ILCN为像素I的LCN转换值，当完成整幅测试散斑图的遍历计算后，便能得到一幅与测试影像大小相等的LCN图。
再求取LCN图的LCN均值，再遍历LCN图，若当前位置的LCN值大于LCN均值则判定该区域为高对比度区域，创建一个与测试影像相同大小的矩阵MLCN，在高对比度区域将MLCN对应位置的值赋值为1，其他区域赋值为0。
基于上述任一实施例，该方法中步骤S4具体包括：
统计所述赋值矩阵中为1的第一单元个数；
遍历所述赋值矩阵，统计单元值为1且所述深度图对应位置单元值为0的第二单元个数；
由所述第二单元个数和所述第一单元个数的比值得到所述空洞率。
具体地，结合散斑图高对比度区域计算深度图有效距离范围内的深度空洞率。统计MLCN中赋值为1的第一单元个数S，遍历MLCN矩阵，统计单元值为1但是深度图对应位置的值为0(即无深度值)的第二单元个数A，通常情况下，MLCN矩阵中某一位置的值为1表示该位置的散斑质量良好、对比度高，在深度图对应位置为正确的深度值，只有当存在相机行偏差时，深度图的对应位置才会无深度值。通过公式(6)得到的空洞率P可以反映相机行偏差的程度：
基于上述任一实施例，该方法中步骤S5具体包括：
当所述空洞率满足第一预设判断区间时，行偏差满足第一偏差判定结果；
当所述空洞率满足第二预设判断区间时，行偏差满足第二偏差判定结果；
当所述空洞率满足第三预设判断区间时，行偏差满足第三偏差判定结果。
具体地，进行相机行偏差判定时，根据空洞率数值落入不同的预设判断区间来判断得到相机行偏差判定结果，即相机的行偏差大小。
当空洞率满足第一预设判断区间，即小于5％时，判定行偏差小于且等于1行；当空洞率满足第二预设判断区间，即大于50％且小于90％时，判定行偏差大于1且小于3行；当空洞率满足第三预设判断区间，即大于90％，判定行偏差大于2行。
此处完成根据深度空洞率与行偏差的关系对相机行偏差进行自检的操作。
图2为本发明实施例提供的一种相机行偏差自检系统结构图，如图2所示，包括：获取模块21、过滤模块22、归一化模块23、计算模块24和判定模块25；其中：
获取模块21用于获取深度相机的散斑图和所述散斑图对应的深度图；过滤模块22用于对所述散斑图进行过滤，得到预设散斑灰度范围区间，基于所述预设散斑灰度范围区间得到过滤后的散斑图；归一化模块23用于对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域；计算模块24用于基于所述预设高对比度区域计算所述深度图的空洞率；判定模块25用于判定所述空洞率与若干预设判断区间的对应关系，得到相机行偏差判定结果。
本发明实施例提供的系统用于执行上述对应的方法，其具体的实施方式与方法的实施方式一致，涉及的算法流程与对应的方法算法流程相同，此处不再赘述。
本发明通过提出的相机行偏差自检方法，以相对简易的步骤在保证相机行偏差自检准确性的同时，确保过程的执行效率，给出行偏差提示及判断，从而及时对相机进行行偏差校准，增加相机的可靠性，能够很好的提升用户的相机使用体验。
基于上述实施例，所述过滤模块22包括：获取子模块221、推导子模块222和过滤子模块223；其中：
获取子模块221用于获取散斑亮度和相机拍摄距离的线性函数；推导子模块222用于由所述线性函数推导得出最远距离散斑灰度值和最近距离散斑灰度值，由所述最远距离散斑灰度值和所述最近距离散斑灰度值得到所述预设散斑灰度范围区间；过滤子模块223用于基于所述预设散斑灰度范围区间对所述散斑图进行过滤，得到所述过滤后的散斑图。
基于上述任一实施例，所述归一化模块23包括：设置子模块231、遍历子模块232、计算子模块233和求取子模块234；其中：
设置子模块231用于设置预设二维小窗口，所述预设二维小窗口大于所述散斑图中相邻散斑距离；遍历子模块232用于从测试散斑图左上角开始逐行遍历像素，以任一点当前像素位置为中心点，计算所述预设二维小窗口内的像素灰度平均值和像素灰度标准差；计算子模块233用于基于所述像素灰度平均值和所述像素灰度标准差，得到任一点当前像素位置的局部对比度归一化值，待完成所述测试散斑图的遍历计算，得到与所述测试散斑图大小相等的局部对比度归一化图；求取子模块234用于求取所述局部对比度归一化图的局部对比度归一化平均值，遍历所述局部对比度归一化图，将大于所述局部对比度归一化平均值对应的任一点当前像素位置判定为所述预设高对比度区域。
基于上述任一实施例，所述归一化模块23还包括矩阵子模块235，所述矩阵子模块235用于创建与所述测试散斑图大小相等的赋值矩阵，将所述赋值矩阵中对应于所述预设高对比度区域的对应位置赋值为1，其余位置赋值为0。
基于上述任一实施例，所述计算模块24包括：第一统计子模块241、第二统计子模块242和比值模块243；其中：
第一统计子模块241用于统计所述赋值矩阵中为1的第一单元个数；第二统计子模块242用于遍历所述赋值矩阵，统计单元值为1且所述深度图对应位置单元值为0的第二单元个数；比值模块243用于由所述第二单元个数和所述第一单元个数的比值得到所述空洞率。
基于上述任一实施例，所述判定模块25包括：第一判定子模块251、第二判定子模块252和第三判定子模块253；其中：
第一判定子模块251用于当所述空洞率满足第一预设判断区间时，行偏差满足第一偏差判定结果；第二判定子模块252用于当所述空洞率满足第二预设判断区间时，行偏差满足第二偏差判定结果；第三判定子模块253用于当所述空洞率满足第三预设判断区间时，行偏差满足第三偏差判定结果。
图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行如下方法：获取深度相机的散斑图和所述散斑图对应的深度图；对所述散斑图进行过滤，得到预设散斑灰度范围区间，基于所述预设散斑灰度范围区间得到过滤后的散斑图；对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域；基于所述预设高对比度区域计算所述深度图的空洞率；判定所述空洞率与若干预设判断区间的对应关系，得到相机行偏差判定结果。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：获取深度相机的散斑图和所述散斑图对应的深度图；对所述散斑图进行过滤，得到预设散斑灰度范围区间，基于所述预设散斑灰度范围区间得到过滤后的散斑图；对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域；基于所述预设高对比度区域计算所述深度图的空洞率；判定所述空洞率与若干预设判断区间的对应关系，得到相机行偏差判定结果。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种相机行偏差自检方法，其特征在于，包括：
获取深度相机的散斑图和所述散斑图对应的深度图；
对所述散斑图进行过滤，得到预设散斑灰度范围区间，基于所述预设散斑灰度范围区间得到过滤后的散斑图；
对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域；
基于所述预设高对比度区域计算所述深度图的空洞率；
判定所述空洞率与若干预设判断区间的对应关系，得到相机行偏差判定结果；
所述对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域，具体包括：
设置预设二维小窗口，所述预设二维小窗口大于所述散斑图中相邻散斑距离；
确定所述过滤后的散斑图作为测试散斑图，以及从所述测试散斑图左上角开始逐行遍历像素，以任一点当前像素位置为中心点，计算所述预设二维小窗口内的像素灰度平均值和像素灰度标准差；
基于所述像素灰度平均值和所述像素灰度标准差，得到任一点当前像素位置的局部对比度归一化值，待完成所述测试散斑图的遍历计算，得到与所述测试散斑图大小相等的局部对比度归一化图；
求取所述局部对比度归一化图的局部对比度归一化平均值，遍历所述局部对比度归一化图，将大于所述局部对比度归一化平均值对应的任一点当前像素位置判定为所述预设高对比度区域；
所述对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域，之后还包括：
创建与所述测试散斑图大小相等的赋值矩阵，将所述赋值矩阵中对应于所述预设高对比度区域的对应位置赋值为1，其余位置赋值为0；
所述基于所述预设高对比度区域计算所述深度图的空洞率，具体包括：
统计所述赋值矩阵中为1的第一单元个数；
遍历所述赋值矩阵，统计单元值为1且所述深度图对应位置单元值为0的第二单元个数；
由所述第二单元个数和所述第一单元个数的比值得到所述空洞率。
2.根据权利要求1所述的相机行偏差自检方法，其特征在于，所述对所述散斑图进行过滤，得到预设散斑灰度范围区间，基于所述预设散斑灰度范围区间得到过滤后的散斑图，具体包括：
获取散斑亮度和相机拍摄距离的线性函数；
由所述线性函数推导得出最远距离散斑灰度值和最近距离散斑灰度值，由所述最远距离散斑灰度值和所述最近距离散斑灰度值得到所述预设散斑灰度范围区间；
基于所述预设散斑灰度范围区间对所述散斑图进行过滤，得到所述过滤后的散斑图。
3.根据权利要求1所述的相机行偏差自检方法，其特征在于，所述判定所述空洞率与若干预设判断区间的对应关系，得到相机行偏差判定结果，具体包括：
当所述空洞率满足第一预设判断区间时，行偏差满足第一偏差判定结果；
当所述空洞率满足第二预设判断区间时，行偏差满足第二偏差判定结果；
当所述空洞率满足第三预设判断区间时，行偏差满足第三偏差判定结果。
4.一种相机行偏差自检系统，其特征在于，包括：
获取模块，用于获取深度相机的散斑图和所述散斑图对应的深度图；
过滤模块，用于对所述散斑图进行过滤，得到预设散斑灰度范围区间，基于所述预设散斑灰度范围区间得到过滤后的散斑图；
归一化模块，用于对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域；
计算模块，用于基于所述预设高对比度区域计算所述深度图的空洞率；
判定模块，用于判定所述空洞率与若干预设判断区间的对应关系，得到相机行偏差判定结果；
所述对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域，具体包括：
设置预设二维小窗口，所述预设二维小窗口大于所述散斑图中相邻散斑距离；
确定所述过滤后的散斑图作为测试散斑图，以及从所述测试散斑图左上角开始逐行遍历像素，以任一点当前像素位置为中心点，计算所述预设二维小窗口内的像素灰度平均值和像素灰度标准差；
基于所述像素灰度平均值和所述像素灰度标准差，得到任一点当前像素位置的局部对比度归一化值，待完成所述测试散斑图的遍历计算，得到与所述测试散斑图大小相等的局部对比度归一化图；
求取所述局部对比度归一化图的局部对比度归一化平均值，遍历所述局部对比度归一化图，将大于所述局部对比度归一化平均值对应的任一点当前像素位置判定为所述预设高对比度区域；
所述对所述过滤后的散斑图进行局部对比度归一化，得到预设高对比度区域，之后还包括：
创建与所述测试散斑图大小相等的赋值矩阵，将所述赋值矩阵中对应于所述预设高对比度区域的对应位置赋值为1，其余位置赋值为0；
所述基于所述预设高对比度区域计算所述深度图的空洞率，具体包括：
统计所述赋值矩阵中为1的第一单元个数；
遍历所述赋值矩阵，统计单元值为1且所述深度图对应位置单元值为0的第二单元个数；
由所述第二单元个数和所述第一单元个数的比值得到所述空洞率。
5.根据权利要求4所述的相机行偏差自检系统，其特征在于，所述过滤模块包括：
获取子模块，用于获取散斑亮度和相机拍摄距离的线性函数；
推导子模块，用于由所述线性函数推导得出最远距离散斑灰度值和最近距离散斑灰度值，由所述最远距离散斑灰度值和所述最近距离散斑灰度值得到所述预设散斑灰度范围区间；
过滤子模块，用于基于所述预设散斑灰度范围区间对所述散斑图进行过滤，得到所述过滤后的散斑图。
6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3任一项所述相机行偏差自检方法的步骤。
7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3任一项所述相机行偏差自检方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010450337.8A CN111710000B (zh) | 2020-05-25 | 2020-05-25 | 一种相机行偏差自检方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010450337.8A CN111710000B (zh) | 2020-05-25 | 2020-05-25 | 一种相机行偏差自检方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111710000A CN111710000A (zh) | 2020-09-25 |
| CN111710000B true CN111710000B (zh) | 2023-09-05 |
Family
ID=72538577
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010450337.8A Active CN111710000B (zh) | 2020-05-25 | 2020-05-25 | 一种相机行偏差自检方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111710000B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112330751B (zh) * | 2020-10-30 | 2022-08-26 | 合肥的卢深视科技有限公司 | 一种结构光相机行偏差检测方法及装置 |
| CN113379816B (zh) * | 2021-06-29 | 2022-03-25 | 北京的卢深视科技有限公司 | 结构变动检测方法、电子设备及存储介质 |
| CN113643337B (zh) * | 2021-08-05 | 2022-05-31 | 合肥的卢深视科技有限公司 | 相机行偏差校准方法、装置、电子设备及存储介质 |
| CN113936315B (zh) * | 2021-10-14 | 2022-03-25 | 北京的卢深视科技有限公司 | Doe脱落检测方法、装置、电子设备和存储介质 |
| CN113936316B (zh) * | 2021-10-14 | 2022-03-25 | 北京的卢深视科技有限公司 | Doe脱落检测方法、电子设备和计算机可读存储介质 |
| CN114299129B (zh) * | 2021-12-31 | 2023-01-31 | 合肥的卢深视科技有限公司 | 深度恢复方法、电子设备和计算机可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2157544A1 (en) * | 2008-08-01 | 2010-02-24 | Julius-Maximilians-Universität Würzburg | System for adaptive removal of speckle noise in digital images and generation of a colour composite product based on automated analysis of speckle characteristics |
| CN106651794A (zh) * | 2016-12-01 | 2017-05-10 | 北京航空航天大学 | 一种基于虚拟相机的投影散斑校正方法 |
| CN108898635A (zh) * | 2018-05-07 | 2018-11-27 | 深圳大学 | 一种提高相机标定精度的控制方法及系统 |
| CN109461181A (zh) * | 2018-10-17 | 2019-03-12 | 北京华捷艾米科技有限公司 | 基于散斑结构光的深度图像获取方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI428568B (zh) * | 2010-09-03 | 2014-03-01 | Pixart Imaging Inc | 測距方法、測距系統與其處理軟體 |
| KR102299365B1 (ko) * | 2014-11-03 | 2021-09-07 | 삼성전자주식회사 | 스페클을 이용한 인증 장치, 이를 포함하는 인증 시스템 및 스페클을 이용한 인증 방법 |
| US11176694B2 (en) * | 2018-10-19 | 2021-11-16 | Samsung Electronics Co., Ltd | Method and apparatus for active depth sensing and calibration method thereof |
-
2020
- 2020-05-25 CN CN202010450337.8A patent/CN111710000B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2157544A1 (en) * | 2008-08-01 | 2010-02-24 | Julius-Maximilians-Universität Würzburg | System for adaptive removal of speckle noise in digital images and generation of a colour composite product based on automated analysis of speckle characteristics |
| CN106651794A (zh) * | 2016-12-01 | 2017-05-10 | 北京航空航天大学 | 一种基于虚拟相机的投影散斑校正方法 |
| CN108898635A (zh) * | 2018-05-07 | 2018-11-27 | 深圳大学 | 一种提高相机标定精度的控制方法及系统 |
| CN109461181A (zh) * | 2018-10-17 | 2019-03-12 | 北京华捷艾米科技有限公司 | 基于散斑结构光的深度图像获取方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 张绍阳等.利用激光散斑获取深度图.中国光学.2016,第9卷(第6期),第633-641页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111710000A (zh) | 2020-09-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111710000B (zh) | 一种相机行偏差自检方法及系统 | |
| CN111768450B (zh) | 基于散斑图的结构光相机行偏差的自动检测方法和装置 | |
| CN112734858B (zh) | 一种双目标定精度在线检测方法及装置 | |
| CN104751458A (zh) | 一种基于180°旋转算子的标定角点检测方法 | |
| CN115524683A (zh) | 一种光斑提取方法、测距方法、激光雷达及机器人 | |
| CN115861443A (zh) | 一种多相机内参标定方法、装置、电子设备及存储介质 | |
| CN110225335B (zh) | 相机稳定性评估方法及装置 | |
| CN114387353A (zh) | 一种相机标定方法、标定装置及计算机可读存储介质 | |
| CN112598610B (zh) | 一种深度图像获得方法、装置、电子设备及存储介质 | |
| CN115511718A (zh) | Pcb图像校正方法、装置、终端设备和存储介质 | |
| CN112581541A (zh) | 参数的评估方法、装置和电子设备 | |
| CN110288655B (zh) | 一种自动识别chart图片中测试图案位置的方法及装置 | |
| CN112562012A (zh) | 一种标定板、车辆相机标定方法及相关装置 | |
| CN117372663A (zh) | 原木端面遮挡的补全方法、装置、设备及存储介质 | |
| CN111462216A (zh) | 一种圆形阵列标定板中圆心像素坐标确定方法 | |
| CN113379816B (zh) | 结构变动检测方法、电子设备及存储介质 | |
| US20160086335A1 (en) | Image processing apparatus, image processing method, and storage medium | |
| CN115719387A (zh) | 3d相机标定方法、点云图像获取方法及相机标定系统 | |
| CN114529509B (zh) | 图像噪声评价方法、电子设备和计算机可读存储介质 | |
| CN115423768A (zh) | 一种镜片尺寸测量方法、系统、存储介质及智能终端 | |
| CN108921902A (zh) | 一种修正结构光相机偏差的方法及装置 | |
| CN115018922A (zh) | 畸变参数标定方法、电子设备和计算机可读存储介质 | |
| CN107741220B (zh) | 影像处理方法、装置及电子设备 | |
| CN115760750B (zh) | Doe质量检测方法、系统、电子设备和存储介质 | |
| CN113139454B (zh) | 基于单张图像的道路宽度提取方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220629 Address after: Room 611-217, R & D center building, China (Hefei) international intelligent voice Industrial Park, 3333 Xiyou Road, high tech Zone, Hefei City, Anhui Province Applicant after: Hefei lushenshi Technology Co.,Ltd. Address before: Room 3032, gate 6, block B, 768 Creative Industry Park, 5 Xueyuan Road, Haidian District, Beijing 100083 Applicant before: BEIJING DILUSENSE TECHNOLOGY CO.,LTD. Applicant before: Hefei lushenshi Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |